Fish Audio Drama 3 發表：強化 AI 配音表演控制，開放權重能怎麼用？
Fish Audio Drama 3 於 10 月 13 日推出，主打情緒控制與開放權重。解析 AI 配音示範、英文發音評測、商業授權限制，以及中文創作者該怎麼測試。
同一句「我沒事」，可以是安慰，也可以是忍住眼淚的逞強，Fish Audio Drama 3 想處理的就是這種差別。
Fish Audio 在 2026 年 10 月 13 日推出新語音模型，讓創作者在台詞裡寫下表演方向，再由 AI 產生聲音。
文字轉語音是把稿件念成音訊的技術，過去挑選音色往往比指揮一句話怎麼演更容易。
這次產品把情緒、停頓與局部強調放在更前面，配音工作因此多了一種調整方式。
公開模型學到的參數，也就是模型權重，讓開發者有機會自行部署，但使用權利仍由授權條款決定。
對中文影片與有聲內容製作者，值得先測試的是台詞的可控性，而不是只聽一段最精彩的英文示範。
判斷這次更新有多實用，要先看創作者究竟能控制哪些聲音細節。
Fish Audio Drama 3 更新了什麼？重點是表演方向
新模型試圖把配音的單位縮小到一句話裡的情緒變化，讓創作者更接近指導演員的工作方式。
依 Fish Audio 發表公告，使用者可在稿件的方括號裡描述語氣，也能在句子中途加入新的指令。
例如一段角色原本努力保持平靜，說到關鍵詞才放低音量，創作者可以把轉變寫在相應位置。
這個例子說明操作思路，並非本文實測結果。實際輸出仍要聽回放，才能知道模型是否照著演。
音色和演法是兩個不同選擇
音色決定角色聽起來像誰，演法決定角色此刻的心情。聲音相似，仍可能把悲傷台詞念得太輕鬆。
對短劇來說，這會改變角色關係。對課程解說來說，則可能讓需要提醒的句子失去重點。
因此，語音生成的品質不能只看聲線是否自然。還要聽情緒轉折是否合理、重音是否放對，以及停頓是否妨礙理解。
把這些要求寫進稿件，也有助於團隊儲存製作意圖。下次修改時，編輯可以知道先前為何在這裡停頓。
有指令，不代表每次都會得到相同演出
自然語言描述保留了表演空間。「有點不安」沒有唯一聲學答案，不同生成結果可能有不同的速度與張力。
這種彈性適合挑選演出，但若影片已經剪好，聲音長度變動就可能讓字幕與畫面失去同步。
創作者可以先固定台詞與段落長度，再比較不同方向，避免同時改稿、換音色與重做剪輯。
可控性最後要回到工作量：為了得到一個可用版本，平均需要聽幾次、改幾次，才是製作上有意義的答案。
發音評測第一名，能說明多少中文能力？
排名提供了一個值得追蹤的訊號，但評測測到的內容要和你的作品相符，結果才有參考價值。
發表頁列出英文 Pronunciation Robustness 評測的整體正確率 93.2%，並連向 Artificial Analysis 語音模型評測。
這項測試關心的是難讀詞、數字與程式碼等內容的發音可靠度，並非對所有語言、情緒與長篇作品的綜合保證。
台灣創作者常遇到的問題更具體，例如中文人名、日期、英文縮寫與產品型號出現在同一句話裡。
如果教學影片把「十五」念成「五十」，聲音再有感情也不能使用。數字與專有名詞需要獨立驗收。
自己的測試稿要保留困難句
比較模型時，可以準備一小組實際會用到的稿件，包括講義解說、對話與中英混合句。
每個模型都使用同一份文字，先記錄錯讀，再判斷語氣。這能避免因某個版本更有戲，就忽略資訊錯誤。
長段落也要試，因為開頭自然，不代表後面不會換節奏。章節銜接與角色一致性只有完整聽過才看得出來。
這些是製作測試的建議，本文沒有進行模型盲測，也沒有替中文能力建立新的排名。
對於需要了解其他語音工具的讀者，站內也有以 Google 配音模型為主的功能與入口整理。
延伸閱讀：Gemini 3.8 Flash TTS 是什麼？Google AI 配音功能、兩款模型差異與價格整理
開放權重能自行部署，商業使用仍有條件
開放權重的意義是取得模型學到的參數，讓開發者有機會在自己的運算環境執行推論，也就是讓模型產生結果。
這不等於所有用途都沒有條件。下載模型、製作成品音訊與對外經營語音服務，涉及的權利範圍可能不同。
官方 Hugging Face 模型頁 提供模型資訊與授權入口，實際採用前應讀完整條款，而不是只看頁面上的授權標籤。
發表公告說明，社群授權的商用條件包含使用者與關係企業合計年營收低於 50 萬美元。對外提供語音生成或推論服務另有授權要求。
模型頁的授權標籤與公告文字有差異，因此企業評估應以實際下載版本附帶的完整條款核對，必要時向 Fish Audio 確認適用範圍。
本機執行有控制權，也有維護成本
自行部署可以讓團隊決定運算環境與檔案處理方式，但還需要承擔裝置、安裝、更新與故障排查。
模型能否下載，只回答了取得方式。你的裝置能否順暢執行，還要看官方支援配置及實際工作量。
對偶爾製作幾支影片的創作者，託管服務可能更省管理時間。對有持續需求的開發團隊，本機或雲端部署才值得細算。
自行部署也要管理存取權限。把服務放在自己的伺服器，並不會自動防止同事下載參考聲音或生成檔案。
模型授權與聲音本人同意都要成立
取得模型的商用權，不能代替取得一個真人的聲音使用權。這是兩項各自需要滿足的條件。
Fish Audio 表示，發表影片中的 Uncle Roger 聲音經本人同意使用，讀者可直接看官方影片，了解它如何呈現表演控制。
對團隊作品，應儲存聲音使用同意的用途、期間與可交付範圍，讓剪輯者與客戶知道哪些版本能使用。
成品用於廣告、有聲課程或遊戲時，也應確認聲音提供者同意的範圍涵蓋該用途，避免把製作工具的權利當成素材權利。
局部修聲很有吸引力，但先分清楚開放階段
配音製作最費工的情況之一，是整段都滿意，卻有一個詞需要修改。重生整段可能連情緒都一起改掉。
Fish Audio 展示了對話式修改與局部音訊替換的方向，但發表公告把相關編輯工具列在小規模邀請測試階段。
因此，2026 年 10 月 14 日評估工作流程時，不能把展示過的編輯能力直接當成所有帳戶都能使用的功能。
若專案近期要交付，流程應以已能取得的文字轉語音入口為主。展示中的工具可以追蹤，卻不適合成為唯一交件方式。
改一個字，也要聽前後銜接
局部修改的目標是保留其餘演出，但聲音的自然感來自連續的呼吸、節奏與語氣，不能只聽替換的那一秒。
驗收時應從前一句開始聽到後一句，檢查音量是否突然變化、尾音是否接上，以及角色心情是否仍然一致。
這類檢查也適用於人工剪接配音。AI 讓修改更容易，成品仍需要完整播放才能判斷。
先完成台詞，能減少無效重做
若稿件每天改版，再精細的聲音編輯也可能忙於追趕文字。內容確認與配音確認最好有清楚的版本記錄。
例如先鎖定一段課程的術語與數字，再生成旁白。客戶後來修改時，就能區分文字更新和演出調整。
這樣做的好處是把問題定位得更小。發音錯誤可以改讀法，情緒不合適可以改方向，不必每次從頭嘗試。
中文創作者如何判斷是否值得導入？
這次更新最值得測試的族群，是需要角色表演、敘事旁白或情緒轉折的製作者，因為這些作品直接受益於演法控制。
純粹念公告或條列資訊的內容，可能更重視一致的讀音與交付速度。此時應先比較錯讀與修稿成本。
對有聲故事，可以挑一段情緒有明確變化的對話，先看模型能否維持角色，而不只是讓一句話聽起來精彩。
對知識影片，可以挑一段數字密集的解說，確認錯字修正後，語速與字幕還能配合原本剪輯。
用可交付的分鐘數衡量成本
只看生成一次的費用，會漏掉重做與聽審的時間。實務上更有用的是完成一分鐘可交付音訊的總成本。
假設某模型每次生成便宜，但需要反覆修音，整體製作費未必比較低。另一個模型若首次成功率高，就可能節省編輯時間。
這裡是成本比較的方法，並非兩款產品的實測結論。團隊可以用自己的稿件記錄，再決定是否換工具。
如果配音還要接到影片生產，聲音只是其中一環。字幕、畫面與剪輯版本也要一起儲存，才方便重現成品。
延伸閱讀：2026 Claude Code 做影片 Skills 推薦：HyperFrames、Remotion 到剪輯工具怎麼選？
Drama 3 怎麼學會更有表情？評分方式也變了
表演控制既需要把字讀對，也需要保留創作者想要的笑聲與低語。若評分只偏向容易辨識的清楚朗讀，表情就可能受到壓抑。
Fish Audio 的公告把這個問題連到訓練方法，表示新模型採用學習人類偏好的評分模型，讓演出能兼顧台詞、音色與方向。
這裡的偏好模型，是學習哪些演出更受人喜歡的系統。它協助評價生成結果，不等於每位聽眾都會喜歡同一種表演。
這能解釋產品為何強調控制情緒，但仍屬官方對方法的說明。是否比舊版更好用，還需要用同一段台詞比較。
多角色台詞，需要聲音和輪次一起穩定
官方模型頁 提供角色標記資訊，說明同一段文字可以包含多個角色。這讓對話生成有更清楚的說話者結構。
例如兩個人爭吵，一方突然放低聲音，另一方仍保持急促，模型需要同時維持角色辨識與情緒變化。
這是原創的試稿情境，不是本文測得的能力。比較時可以先固定兩人的台詞，只改一方的指令，觀察另一方是否被連帶改動。
若角色聲線混淆，即使單句很有感情，也會讓聽眾無法辨認誰在說話。對有聲劇，整段對話比單句展示更接近交付需求。
整體發音分數，也要看作品需要的內容
公告所列英文分項，品牌與技術名稱正確率為 95.9%，精確序列則為 86.3%。後者包括需要逐字保留的代碼或路徑等內容。
這個差距說明，整體分數不能直接回答每種台詞的可靠度。科技影片若常念型號，就應讓型號成爲試稿重點。
這些數字仍屬英文評測，沒有回答中文型號會怎麼讀。創作者可以用自己作品中的真實例句，確認關鍵資訊是否完整。
例如同一段旁白出現品牌、日期與版本號，可以分開記錄各類錯讀，避免只看總共錯幾次，卻不知道作品最重要的項目是否出問題。
這份記錄也能幫剪輯者定位修正。改掉關鍵讀音後，再聽完整對話的情緒與節奏，才知道成品是否保持原本意圖。
演出模型的進展最後要落在這個組合：更容易指揮，同時讓作品需要的資訊讀得可靠。少掉任何一項，製作者都還要補工。
Fish Audio Drama 3 常見問題
可以把 Fish Audio Drama 3 當成免費開源模型嗎？
它屬於開放權重模型，使用條件需要依完整授權確認。商業成品與對外提供生成服務的條件不能混為一談。
英文評測第一名，代表中文也最好嗎？
該結果對應英文發音可靠度的特定測試。中文人名、中英混合台詞與長篇旁白需要另用實際稿件測試。
目前就能只修改音訊中的一個字嗎？
公告展示相關方向，但編輯工具仍在邀請測試。是否可用要確認帳戶入口，專案交付應依已開放的能力規劃。
找得到官方圖片與影片嗎？
官方部落格提供發表主視覺與示範影片。影片中的聲音是官方授權示範，並不代表觀眾取得自行複製該素材的權利。
把新模型放進作品，再決定是否換流程
Drama 3 值得關注的地方，是提高文字表演指令的表現力，讓配音修改可以更貼近創作者想傳達的情緒。
對中文創作者，最有說服力的驗證會來自自己的短劇、課程或旁白。保留困難讀音，完整聽回放，再記錄修改次數。
若可用音訊增加、修稿時間減少，而且授權符合用途，這次更新才算對你的製作流程有實際幫助。
可以先從 Fish Audio 官方產品示範 聽不同演法，再用一段已定稿的文字做小規模比較。
若想持續追蹤相關更新，可免費訂閱 AI 郵報。
